Integration of IoT And Satellite Data for Real-Time Agricultural Crop Stress Monitoring Using Spatio-Temporal Transformers
融合IoT传感器与多时相卫星数据，用时空Transformer实现作物胁迫实时监测。
← 主题
#作物胁迫
基于多模态叶片感知的群体协作多机器人田间早期胁迫检测
提出低成本主从多机器人系统，通过多模态叶片感知实现田间作物早期胁迫检测。
International Journal of Engineering Technology Research & Management·12月21日 · 周一34 分 论文数字农业与前沿技术农业人工智能与决策模型阅读 2
PRECISION AGRICULTURE ANALYTICS USING UAV MULTISPECTRAL IMAGING AND MACHINE LEARNING FOR CROP STRESS DETECTION AND YIELD OPTIMIZATION MODELS
利用无人机多光谱影像与机器学习进行作物胁迫检测和产量优化建模。
STS-NET: Spatio-Temporal Stress Network for Self-Supervised Crop Stress Detection using Satellite Image Time Series(基于卫星时序影像的自监督作物胁迫时空网络)
及时准确地检测作物胁迫对提升农业生产力和保障全球粮食安全至关重要,但标注数据成本高。文章提出新型时空应力网络STS-NET,基于自监督3D卷积自编码器构建,利用PlanetScope高分辨率影像时序数据,提取NDVI、GNDVI、RECI、NDRE四种植被指数捕捉时空胁迫模式。在印度北方邦Lakhimpur-Kheri地区2.5英亩甘蔗试验田上,STS-NET对水分胁迫达到97.98%精度、对氮素胁迫达85.08%精度、对复合胁迫达83.47%精度,证明该自监督方法在标注数据稀缺条件下有效检测甘蔗胁迫的潜力,并可作为简单模型的稳健特征提取器。[预印本]